AI для анализа КТ: сегментация, детекция, количественный анализ

Радиолог тратит 20–40 минут на анализ одного КТ-исследования с сотнями срезов. При нагрузке 30 исследований в день усталость накапливается, а мелкие узлы на срезах пропускаются. Мы разрабатываем AI-системы, которые берут на себя рутину: сегментацию органов, детекцию узлов, измерение объёмов. Наш опыт — 10+ лет в медицинском CV, 30+ внедрённых проектов. Результат — сокращение времени анализа на 50% и существенная экономия для клиники. Предлагаем решение «под ключ»: от сбора данных до интеграции в PACS.

Почему AI для КТ сложнее, чем для рентгена?

Компьютерная томография — трёхмерные данные: стек из 200–600 срезов толщиной 0.5–5 мм. Ключевая особенность — единицы Хаунсфилда (HU), количественная мера плотности тканей. AI должен работать в 3D, учитывать анизотропию вокселей и HU-диапазон, разный для разных задач (лёгкие: -1200..600 HU, мягкие ткани: -150..250 HU). Кроме того, вариабельность сканеров и протоколов требует robust-предобработки.

Как мы решаем проблемы 3D-сегментации

Стек: PyTorch, MONAI, nnU-Net. Для предобработки используем MONAI transforms — загрузку NIfTI, изменение ориентации на RAS, ресемплинг к изотропному spacing (1.5×1.5×2.0 мм), оконное контрастирование по HU. Базовая архитектура — 3D U-Net с residual-блоками.

import numpy as np
import torch
import nibabel as nib
from monai.transforms import (
    Compose, LoadImaged, AddChanneld, Orientationd,
    Spacingd, ScaleIntensityRanged, CropForegroundd,
    ResizeWithPadOrCropd, ToTensord
)

class CTAnalysisSystem:
    def __init__(self, model_path: str, task: str = 'lung_nodule'):
        self.preprocessing = self._build_preprocessing(task)
        self.model = self._load_model(model_path)
        self.task = task

    def _build_preprocessing(self, task: str) -> Compose:
        if task == 'lung_nodule':
            hu_min, hu_max = -1200, 600
        elif task == 'liver_tumor':
            hu_min, hu_max = -150, 250
        else:
            hu_min, hu_max = -1000, 1000

        return Compose([
            LoadImaged(keys=['image']),
            AddChanneld(keys=['image']),
            Orientationd(keys=['image'], axcodes='RAS'),
            Spacingd(keys=['image'],
                      pixdim=(1.5, 1.5, 2.0),
                      mode='bilinear'),
            ScaleIntensityRanged(
                keys=['image'],
                a_min=hu_min, a_max=hu_max,
                b_min=0.0, b_max=1.0, clip=True
            ),
            ToTensord(keys=['image'])
        ])

    def analyze(self, nifti_path: str) -> dict:
        data = {'image': nifti_path}
        data = self.preprocessing(data)
        volume = data['image'].unsqueeze(0)

        with torch.no_grad():
            prediction = self.model(volume)

        if self.task == 'lung_nodule':
            return self._process_nodule_detection(prediction, data)
        elif self.task == 'organ_segmentation':
            return self._process_segmentation(prediction)

MONAI и nnU-Net: стандарт индустрии

MONAI — фреймворк для медицинского CV от NVIDIA и King’s College. nnU-Net — self-configuring метод: автоматически определяет оптимальную архитектуру и предобработку для каждого датасета. Использование MONAI сокращает код предобработки в 2 раза и повышает Dice на 5% по сравнению с ручной имплементацией. Мы используем nnU-Net как baseline для сегментации органов.

from monai.networks.nets import UNet
from monai.losses import DiceCELoss
from monai.metrics import DiceMetric

model = UNet(
    spatial_dims=3,
    in_channels=1,
    out_channels=14,
    channels=(16, 32, 64, 128, 256),
    strides=(2, 2, 2, 2),
    num_res_units=2,
    dropout=0.1
)

criterion = DiceCELoss(
    include_background=False,
    to_onehot_y=True,
    softmax=True
)

Готовая модель TotalSegmentator сегментирует 104 анатомические структуры на КТ. Мы fine-tune её под конкретные задачи клиента (например, сегментация поджелудочной с учётом вариативности расположения).

from totalsegmentator.python_api import totalsegmentator

totalsegmentator(
    input='ct_scan.nii.gz',
    output='segmentations/',
    task='total',
    fast=False
)

Детекция лёгочных узлов: от LUNA16 к продакшену

Лёгочные узлы — первый признак рака лёгкого. Задача: найти узлы > 3 мм в 3D-объёме. Мы строим пайплайн: сегментация лёгкого → детекция (3D Retina U-Net) → постпроцессинг с кластеризацией.

class NoduleDetector:
    def __init__(self, model_path: str,
                 min_nodule_mm: float = 3.0,
                 confidence_threshold: float = 0.5):
        self.model = load_nodule_model(model_path)
        self.min_size = min_nodule_mm
        self.threshold = confidence_threshold

    def detect(self, ct_volume: np.ndarray,
               voxel_spacing: tuple) -> list[dict]:
        lung_mask = self._segment_lung(ct_volume)
        nodule_mask = self.model.predict(ct_volume * lung_mask)
        nodules = self._extract_nodules(nodule_mask, voxel_spacing)
        return [n for n in nodules
                if n['diameter_mm'] >= self.min_size and
                n['confidence'] >= self.threshold]

Что даёт количественный анализ?

После сегментации измеряем объём органов и узлов в мл, диаметр по RECIST. Это позволяет отслеживать динамику опухолей и оценивать ответ на терапию.

def measure_volume_ml(mask: np.ndarray,
                       voxel_spacing: tuple) -> float:
    voxel_volume_mm3 = np.prod(voxel_spacing)
    volume_mm3 = mask.sum() * voxel_volume_mm3
    return volume_mm3 / 1000

def measure_nodule_diameter(nodule_mask: np.ndarray,
                             voxel_spacing: tuple) -> dict:
    coords = np.where(nodule_mask)
    from scipy.spatial import ConvexHull
    points = np.column_stack(coords) * np.array(voxel_spacing)
    if len(points) < 4:
        return {'diameter_mm': 0}
    hull = ConvexHull(points)
    max_dist = 0
    hull_pts = points[hull.vertices]
    for i in range(len(hull_pts)):
        for j in range(i+1, len(hull_pts)):
            d = np.linalg.norm(hull_pts[i] - hull_pts[j])
            max_dist = max(max_dist, d)
    return {'diameter_mm': round(max_dist, 2)}

Какие метрики гарантируют качество?

На публичных датасетах наша модель достигает следующих результатов:

В продакшене мы гарантируем Dice не ниже 0.95 для крупных органов и FROC > 0.85 для узлов. Каждый проект сопровождается model card с метриками на стратифицированных подгруппах (возраст, пол, тип сканера).

Процесс внедрения AI-модуля

Что входит в работу

• Разработка пайплайна предобработки под конкретный сканер и протокол.
• Выбор и кастомизация архитектуры (nnU-Net, Retina U-Net, TotalSegmentator).
• Обучение и валидация с фиксацией метрик.
• Контейнеризация и деплой с Triton Inference Server.
• Интеграция с PACS через DICOM-шлюз и HL7/FHIR.
• Документация: model card, инструкция по эксплуатации, отчёт о тестировании.
• Обучение команды клиента (2-3 часовой воркшоп).
• 3 месяца пост-релизного мониторинга и поддержки.

Наш опыт и гарантии

5+ лет на рынке медицинских AI-решений, 30+ завершённых проектов в России и СНГ. Гарантируем качество: если метрики на тестовой выборке ниже оговорённых, дорабатываем бесплатно. Предоставляем сертификат соответствия стандартам обработки медицинских данных (152-ФЗ). В стоимость разработки входит обучение команды и 3 месяца пост-релизного мониторинга.

Свяжитесь с нами — оценим ваши данные за 2 дня, предложим архитектуру и реалистичные сроки. Закажите пилотный проект: сегментация одного органа на 50 сканах за 4 недели.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.